Switch mode
AI4TeenDep

Detección de depresión en adolescentes

AI4TeenDep es una solución basada en aprendizaje automático diseñada para interpretar datos relacionados con la depresión en adolescentes. Utiliza escalas de funciones ejecutivas y reconocimiento de voz para identificar patrones asociados con síntomas depresivos, facilitando una evaluación temprana y más precisa.

Cofinanciado por la Unión Europea, Ministerio de Hacienda, Fondos Europeos, Gobierno de España, Ministerio de Ciencia, Innovación y Universidades, CDTI
Proyecto cofinanciado por el FEDER a través del CDTI · Europa Se Siente

Proyecto cofinanciado por la Unión Europea

AI4TeenDep (IDI-20240116): Plataforma mejorada impulsada por 5G para una asistencia sanitaria predictiva, preventiva, personalizada y participativa.

Horus ML ha desarrollado, en consorcio con IDavinci y dentro del proyecto internacional EUREKA 5G4PHealth, un sistema de inteligencia artificial para el cribado de depresión en adolescentes a partir de funciones ejecutivas, voz y texto. Proyecto cofinanciado por el Fondo Europeo de Desarrollo Regional (FEDER) a través del CDTI.

Duración: 03/2024 – 04/2026
Ámbito: España
Inversión: 237.047 €
Ayuda UE: 104.130 €

Objetivos: modelos de IA sobre funciones ejecutivas, modelos de IA sobre audio y texto, modelo multimodal, validación de los modelos y API de IA (AIEngine).

Resultados: base de datos multimodal de 627 adolescentes; modelo multimodal con un AUC de 0,93 y una sensibilidad de 0,98; AIEngine desplegado e integrado en la plataforma; solución viable técnica, clínica y comercialmente.

Europa Se Siente

Problemas a solucionar

La detección de la depresión en adolescentes puede ser compleja debido a la variabilidad en la presentación de síntomas y la falta de herramientas objetivas. Esto puede retrasar el diagnóstico y el tratamiento, afectando gravemente la salud mental de los jóvenes. AI4TeenDep aborda este desafío al proporcionar una herramienta tecnológica que complementa la evaluación clínica, mejorando la precisión y eficiencia en la identificación de casos.

Saber más sobre este proyecto:

Más información

Características principales

  • Análisis de funciones ejecutivas: Utiliza escalas científicamente validadas para evaluar áreas clave como la memoria de trabajo, el control inhibitorio y la planificación.
  • Reconocimiento de voz avanzado: Analiza patrones vocales para identificar características asociadas a estados emocionales relacionados con la depresión.
  • Modelos de aprendizaje automático: Procesa y correlaciona datos para detectar posibles signos de depresión con alta precisión.
  • Detección temprana: Identifica patrones asociados con síntomas depresivos antes de que se agraven, permitiendo una intervención a tiempo.
  • Complemento para los profesionales: Ofrece a psicólogos y psiquiatras información objetiva y detallada para apoyar sus evaluaciones.
  • Interfaz intuitiva: Presenta resultados en un formato claro y accesible para facilitar la interpretación por parte de los especialistas.
  • Escalabilidad: Capaz de manejar grandes volúmenes de datos, adaptable a distintos contextos clínicos o escolares.
  • No items found.

    Más proyectos

    Clover

    Predicción de cáncer oculto post-TEV con aprendizaje automático

    Leer más

    Horus Oncologist

    Predicción de respuesta terapéutica en cáncer pancreático con IA

    Leer más

    Urban Fisio

    Fisioterapia personalizada a domicilio con IA

    Leer más